XAHM: an XML-based Adaptive Hypermedia Model and its implementation.PDF

这是最近今天读XAHM相关材料当中，觉得最原汁原味的。

费了九牛二虎之力，现在觉得也就是读个差不多

觉得作者文中的表述如果能够按照三个模型分别进行，则更好理解

为了更好的写论文，在这里做个小结：

1。领域模型

   （1）领域模型分为两层，上层是带标示的加权有向图，而且这个图也分为两层，上一次是全局也就是Elementary Abstract Concepts之间的关系，而每个EACs又是PD之间的关系。PD描述的是里面的内容、链接以及layout。

   那么上层的领域模型是如何初始化的呢？是有个图形化的工具，里面可以定义领域模型的全局结构。另外，创作者根据用户的类型类给这个图进行赋予权值和调整结构，当然调整的过程中也意味着创作者要模拟各种类型的用户的行为。

   （2）领域模型的下一层次是XML的，描述的是PD啊，或者在文本、图形等fragement的具体信息。

   这个的初始化，也是提供了一个工具来操作，同时可以预览。

2。用户模型

    用户模型其实是基于铅板模型的。

    里面记录的是用户当前所赋予的类别、用户与各个类别的匹配程度，用户已经走过的和当前选择的链接，用户在每个类别中所停驻的时间。

3。自适应模型

    原文其实是将自适应放到用户模型和领域模型中去说的，但是我这里还是提出来统一说，觉得会清晰些。

    自适应的目的其实就是为不同用户提供最符合他特点的内容、链接和呈现方式。在作者Mario Cannataro和 Andrea Pugliese看来，内容和链接是由用户行为来决定的，而具体的呈现则是受技术条件的限制。因此他们提出了三维度的自适应空间：

   AH(B,E,T)，三个维度分别指得是用户的行为（浏览、偏好等），用户的环境（时间、地点、语言、社会政治事件等），技术（网络以及用户终端等）。这些值都是有限字符集。

   那么如果实现自适应呢，作者文章中重点分析了用户行为方面的自适应，这将影响到pd。

    领域模型方面：根据本地导航图的最短路径概率均值、最短路径的长度均值以及节点数来判断与每个铅板类别（profile）的耦合程度s(k)；

    用户模型方面：根据在profile k 中走这条路径的概率、从这条路径选择这个链接的概率以及在这个profile中所停留的世界来判断与每个铅板类别的耦合程度d(k)

    总体模型方面：根据用户初始profile类型、用户与每个profile的耦合程度、S(k)、每个profile停驻的时间计算计算A(k)，这个值将最终确定用户选择哪个profile。然后系统就将这个profile中的路径推荐给他。

    这三者都用到了概率计算方法。

    而自适应的另一方面——layout（布局），是在page中定义(B,E,T)定义自适应的三个维度，但是这个在文中并没有具体的阐述。

    ===========================================

    我觉得可以进一步改进的地方：

     1。这样的设想使得所有系统的核心问题集中在了profile的定义上

     2。系统中涉及了很多的概率，而且依赖于创作者的经验

     3。系统没有细致阐述用户的布局自适应

     4。由于系统最终将自适应仅仅落实到page上，并没有做到导航和内容方面的自适应

     5。更多的考虑的是用户的所隶属的铅板模型，没有考虑学习风格等其他信息

     6。自适应空间是符号集。